Faktorielle Versuchspläne in Minitab, Branche Medical Devices (MCT*)

Nächste Termine

Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein.

Die Grundgedanken und Strategien der statistischen Standardverfahren sind dem Teilnehmer vertraut. Zu Beginn wird die Grundidee der statistischen Versuchsplanung (DoE) erklärt und besprochen. Dann werden die verschiedenen Versuchsplanarten erörtert. Anschließend werden anhand praxisnaher Beispiele und durch "Learning-by-Doing" faktorielle Versuchspläne in Minitab erstellt und analysiert.

Grundlegende Fertigkeiten im Umgang mit Minitab, wie Datenimport/Datenexport und statistische Standardverfahren, werden vorausgesetzt, ständig angewendet und vertieft.

Die Fallbeispiele kommen aus der Branche "Medical Devices".

*MCT: Diese Schulung ist ein Minitab Certified Training.

"Faktorielle Versuchspläne mit Minitab, Branche Medical Devices" entspricht folgendem von Minitab LLC zertifizierten Training: "Statistical Tools for Medical Devices - Factorial Designs".

Kursinhalte

Versuchsplanung (DoE, Design Of Experiments)

• Verstehen der Idee und Strategie der Versuchsplanung
• Besprechung der in Minitab verfügbaren Versuchspläne

Faktorielle Versuchspläne

• Erstellen von faktoriellen Versuchsplänen
• Analyse der Haupteffekte und der Wechselwirkungen
• Analysieren eines vollfaktoriellen Versuchsplans, Erzeugen von Grafiken und Interpretation der Ergebnisse
• Identifizieren der optimalen Einstellungen mittels Grafiken und Zielgrößenoptimierung

Vollfaktorielle Versuchspläne

• Ermittlung des Stichprobenumfangs in Bezug auf die Versuchsplanung
• Einfluss von Replikationen auf die Trennschärfe
• Analyse des Einflusses von Ausreißern auf das Ergebnis

Teilfaktorielle Versuchspläne

• Reduzieren des Versuchsaufwands
• Diskussion der Vor- und Nachteile der teilfaktoriellen Versuchsplanung
• Modellanpassung mittels sequenzieller Versuchsdurchführung
• Verwenden von Zentralpunkten, um die Trennschärfe zu erhöhen, auf die Krümmung zu testen und die Versuchsstreuung abzuschätzen

Multiple Zielgrößenoptimierung

• Mehrere Antwortvariablen mit Hilfe des Response Optimizer und mit überlagerten Höhenliniendiagrammen optimieren
• Finden der optimalen Faktoreinstellungen